当输出是无序的html标记时，使用简单html dom的Php webscraping不起作用

我想删除网页的一些信息。它使用表格布局结构

我想提取嵌套表布局中的第三个表，其中包含一系列嵌套表。每个表都发布一个结果。但代码不起作用

include('simple_html_dom.php');
$url = 'http://exams.keralauniversity.ac.in/Login/index.php?reslt=1';
$html = file_get_contents($url);
$result =$html->find("table", 2);
echo $result;

我使用Curl来提取网站，但问题是它的标签顺序不正确，所以不能使用简单的dom元素来提取

    function curl($url) {
            $ch = curl_init();  // Initialising cURL
            curl_setopt($ch, CURLOPT_URL,$url);    // Setting cURL's URL option with the $url variable passed into the function
            curl_setopt($ch, CURLOPT_RETURNTRANSFER, TRUE); // Setting cURL's option to return the webpage data
            $data = curl_exec($ch); // Executing the cURL request and assigning the returned data to the $data variable
            curl_close($ch);    // Closing cURL
            return $data;   // Returning the data from the function
        }

          function scrape_between($data, $start, $end){
        $data = stristr($data, $start); // Stripping all data from before $start
        $data = substr($data, strlen($start));  // Stripping $start
        $stop = stripos($data, $end);   // Getting the position of the $end of the data to scrape
        $data = substr($data, 0, $stop);    // Stripping all data from after and including the $end of the data to scrape
        return $data;   // Returning the scraped data from the function
    }
          $scraped_page  = curl($url);  // Executing our curl function to scrape the webpage http://www.example.com and return the results into the $scraped_website variable

           $scraped_data = scrape_between($scraped_page, ' </html>', '</table></td><td></td></tr>
   </table>');  
 echo $scraped_data;
 $myfile = fopen("newfile.html", "w") or die("Unable to open file!");

fwrite($myfile, $scraped_data);
fclose($myfile);

函数curl（$url）{
$ch=curl_init（）；//初始化curl
curl_setopt（$ch，CURLOPT_URL，$URL）；//使用传入函数的$URL变量设置curl的URL选项
curl_setopt（$ch，CURLOPT_RETURNTRANSFER，TRUE）；//设置curl的选项以返回网页数据
$data=curl\u exec（$ch）；//执行curl请求并将返回的数据分配给$data变量
curl_close（$ch）；//Closing curl
return$data；//从函数返回数据
}
函数在（$data、$start、$end）之间进行刮取{
$data=stristr（$data，$start）；//从$start之前剥离所有数据
$data=substr（$data，strlen（$start））；//剥离$start
$stop=stripos（$data，$end）；//获取要刮取的数据$end的位置
$data=substr（$data，0，$stop）；//从后面剥离所有数据，包括要刮取的数据的$end
return$data；//从函数返回刮取的数据
}
$scraped_page=curl（$url）；//执行curl函数来刮取网页http://www.example.com 并将结果返回到$scraped_网站变量中
$scraped_data=scrape_在（$scraped_page，，）之间
');  
echo$scraped_数据；
$myfile=fopen（“newfile.html”，“w”）或die（“无法打开文件！”）；
fwrite（$myfile，$scraped_数据）；
fclose（$myfile）；

如何刮取结果并保存pdf

查找示例代码
？php
//定义基本旋度函数
函数curl（$url）{
$ch=curl_init（）；//初始化curl
curl_setopt（$ch，CURLOPT_URL，$URL）；//使用传入函数的$URL变量设置curl的URL选项
curl_setopt（$ch，CURLOPT_RETURNTRANSFER，TRUE）；//设置curl的选项以返回网页数据
$data=curl\u exec（$ch）；//执行curl请求并将返回的数据分配给$data变量
curl_close（$ch）；//Closing curl
return$data；//从函数返回数据
}
?>

简单HTML Dom无法处理该HTML。那么首先切换到,， 然后做：

---

我之前尝试过curl，但我没有在这里提到它，这是我的错curl成功地返回了我的抓取页面，但它无法使用简单的hitml dom元素进行解析，因为它不知怎么地变形了。有多个主体标记，里面有脚本和其他乱七八糟的内容。简言之，即使它返回混乱的html标记和关于反对票，在你编辑之前我不能取消它。你测试过了吗？还有一点解释是的，我测试过了。这都是css（加上jquery扩展）

td[2]

例如，意味着第二个

td

我已将其升级，你能帮我用正则表达式提取发布日期吗？接受它作为答案别忘了我的赏金

require_once('advanced_html_dom.php');

$dom = file_get_html('http://exams.keralauniversity.ac.in/Login/index.php?reslt=1');

$rows = array();
foreach($dom->find('tr.Function_Text_Normal:has(td[3])') as $tr){
  $row['num'] = $tr->find('td[2]', 0)->text;
  $row['text'] = $tr->find('td[3]', 0)->text;
  $row['pdf'] = $tr->find('td[3] a', 0)->href;
  if(preg_match_all('/\d+/', $tr->parent->find('u', 0)->text, $m)){
    list($row['day'], $row['month'], $row['year']) = $m[0];
  }

  // uncomment next 2 lines to save the pdf
  // $filename = preg_replace('/.*\//', '', $row['pdf']);
  // file_put_contents($filename, file_get_contents($row['pdf']));
  $rows[] = $row;
}
var_dump($rows);